本發明涉及智能泄漏檢測領域，具體為一種地下管道智能泄漏檢測方法及裝置。

背景技術：

1、針對高密度聚乙烯等非金屬地下管網的泄漏檢測，廣泛采用高靈敏度的動態壓力傳感器以捕捉微小的瞬態負壓波信號。在實際工程應用中，尤其是在夜間流體輸送處于低流量、低噪的穩態窗口期，監測系統常會捕捉到一種具有準周期性特征的微弱壓力瞬變信號。現有的信號處理技術通常基于線性彈性理論或單純的時頻閾值判別，往往難以界定此類信號的物理屬性，常將其錯誤地歸結為傳感器的隨機零點漂移、電子系統的電壓波動或不明背景噪聲。這種技術上的誤判導致系統頻繁發出無法復現的幽靈式虛假報警。

2、上述誤報現象的產生并非源于傳感器本身的硬件故障，而是現有技術忽略了高分子管材固有的流變學特性對流體動力學信號的非線性調制作用。與金屬管道的瞬時彈性響應不同，高分子材料具有粘彈性與應力松弛效應，其形變響應不僅取決于當前的壓力載荷，還嚴重依賴于全歷史的應力加載路徑。在日間頻繁的壓力波動激發下，管壁積累了復雜的應力-應變記憶，當夜間管內壓力趨于平穩時，管材會發生滯后的蠕變恢復或應力松弛，這種微觀層面的管壁物理回縮會擠壓內部流體，產生與泄漏信號極易混淆的誘導壓力波。現有技術缺乏能夠解耦這種材料本征非線性滯后響應與真實流體泄漏異常的數學模型，難以在流固耦合場中剝離由于材料記憶釋放所產生的干擾分量。

3、為了解決上述缺陷，現提供一種技術方案。

技術實現思路

1、為了解決上述背景技術提出的技術問題，提出了本發明。本發明提供了一種地下管道智能泄漏檢測方法及裝置。

2、本發明的目的可以通過以下技術方案實現：

3、一種地下管道智能泄漏檢測方法，所述包括以下步驟：

4、采集目標管段的高頻壓力序列，基于玻爾茲曼疊加原理，將高頻壓力序列通過將環境溫度作為熱流變調節因子，轉化為全歷史應力-應變記憶場張量；

5、構建神經滯后算子網絡，將所述全歷史應力-應變記憶場張量作為輸入，進行非局部記憶特性與遲滯回線分析，得到管材本征非線性滯后響應信號；

6、將高頻壓力序列與所述管材本征非線性滯后響應信號進行逐點差分處理，剝離非平穩背景波動，規避材料非線性對流體信號的調制干擾，提取保真流體動力學異常殘差；

7、將所述保真流體動力學異常殘差重構為高維相空間軌跡，構建時空演化龐加萊截面，輸入至卷積神經網絡，通過時空演化龐加萊截面上的吸引子形態差異，判定真實泄漏負壓波與傳感器隨機漂移。

8、進一步的，所述全歷史應力-應變記憶場張量的分析步驟包括：

9、采集目標管段的高頻壓力序列，基于管材粘彈性流變學響應規律，利用視錐篩選與時間加權處理應力分量，構建管材形變軌跡歷史向量；

10、建立時間-溫度等效方程計算移動因子；

11、利用移動因子將物理時間軸上的高頻壓力序列映射至縮減時間軸，得到消溫等效壓力序列；

12、基于消溫等效壓力序列反演材料松弛時間譜，將材料松弛時間譜的各模量強度按照松弛時間分布排列，以構建材料松弛譜密度矩陣；

13、將管材形變軌跡歷史向量進行時序差分處理得到形變增量序列，將形變增量序列與松弛譜密度矩陣進行張量積運算，生成全歷史應力-應變記憶場張量。

14、進一步的，所述構建管材形變軌跡歷史向量的分析步驟包括：

15、建立壓力-時間二維投影平面，將流體靜壓平衡基準線作為物理參考軸，將離散的壓力采樣點映射為相對于流體靜壓平衡基準線的波動幅值點集；

16、執行動態幾何弦截法，連接相鄰波動幅值點集形成壓力演化弦向量，依據壓力演化弦向量的斜率與管材固有彈性-粘性臨界閾值，將演化弦向量在幾何空間上標記為瞬態彈性沖擊向量簇與穩態粘性蠕變向量簇。

17、進一步的，所述構建管材形變軌跡歷史向量的分析步驟還包括：

18、在所述壓力-時間二維投影平面上，以時間軸正方向為中心軸線，以管材固有彈性-粘性臨界閾值為半頂角，構建逆時間軸方向開口三角形區域，得到粘性主導記憶衰退視錐；

19、以粘性主導記憶衰退視錐為幾何約束，對所述瞬態彈性沖擊向量簇執行正交剔除或高阻尼衰減，保留并增強所述穩態粘性蠕變向量簇在視錐軸線上的投影分量，依據時間跨度進行加權聚合構建壓力演化弦特征合成向量；

20、獲取管材材料的初始彈性模量并計算其倒數以得到瞬時柔量系數，利用所述瞬時柔量系數作為映射因子對所述壓力演化弦特征合成向量進行標量乘積變換，得到管材形變軌跡歷史向量。

21、進一步的，所述非局部記憶特性與遲滯回線分析的步驟包括：

22、網絡輸入層接收全歷史應力-應變記憶場張量，通過多頭注意力機制加權不同歷史時刻對當前狀態的影響權重，以得到加權融合特征向量；

23、將加權融合特征向量與全歷史應力-應變記憶場張量進行矩陣乘法運算，得到等效松弛狀態向量；

24、將等效松弛狀態向量空間映射為標量等效驅動力；

25、基于標量等效驅動力通過并行p-i神經元，每個神經元是停止算子，通過深度學習反向傳播算法優化算子的閾值分布函數，以擬合管材非線性滯后性，得到管材本征非線性滯后響應信號。

26、進一步的，所述剝離非平穩背景波動的分析步驟包括：

27、將高頻壓力序列與管材本征非線性滯后響應信號在時間軸上逐點對應；

28、基于對其后的管材本征非線性滯后響應信號執行減法運算得到初步殘差，并對殘差進行希爾伯特-黃變換，分解為本征模態函數；

29、根據香農熵準則，對本征模態函數剔除管材慢變特征imf分量，重構得到純凈流體動力學異常殘差；

30、進一步的，所述規避材料非線性對流體信號的調制干擾的分析步驟包括：

31、分別提取p-i神經元的算子密度分布特征與各imf分量的多尺度熵特征，得到第一特征向量和第二特征向量；

32、基于第一特征向量和第二特征向量進行拼接，以得到高維聯合特征向量，并構建滯后-熵共軛特征映射空間；

33、進一步的，所述規避材料非線性對流體信號的調制干擾的分析步驟還包括：

34、在所述滯后-熵共軛特征映射空間中對高維聯合特征向量執行正交子空間分解，構建材料記憶主平面與流體擾動正交補面，進行信號成分矢量化解耦，以得到材料記憶分量向量和流體擾動分量向量；

35、將所述流體擾動分量向量的二范數與所述材料記憶分量向量與流體擾動分量向量的二范數之和進行比值計算，得到流體動力學置信系數；

36、利用所述流體動力學置信系數對純凈流體動力學異常殘差執行軟閾值加權重構，合成保真流體動力學異常殘差。

37、進一步的，所述判定真實泄漏負壓波與傳感器隨機漂移的分析步驟還包括：

38、利用takens嵌入定理將保真流體動力學異常殘差重構為高維相空間軌跡；

39、在相空間中截取龐加萊截面，將連續的動力學軌跡轉化為離散二維點云分布圖；

40、將離散二維點云分布圖輸入卷積神經網絡，進行穩態吸引子模式識別與混沌發散軌跡分析，以判定真實泄漏負壓波與傳感器隨機漂移；其中，穩態吸引子模式識別包括收斂的點狀或閉合環狀結構分析，混沌發散軌跡分析包括發散的奇異吸引子或非閉合斷裂結構分析。

41、一種地下管道智能泄漏檢測裝置，包括：

42、記憶轉換模塊，用于采集目標管段的高頻壓力序列，基于玻爾茲曼疊加原理，將高頻壓力序列通過將環境溫度作為熱流變調節因子，轉化為全歷史應力-應變記憶場張量；

43、滯后響應模塊，用于構建神經滯后算子網絡，將所述全歷史應力-應變記憶場張量作為輸入，進行非局部記憶特性與遲滯回線分析，得到管材本征非線性滯后響應信號；

44、異常殘差模塊，用于將高頻壓力序列與所述管材本征非線性滯后響應信號進行逐點差分處理，剝離非平穩背景波動，規避材料非線性對流體信號的調制干擾，提取保真流體動力學異常殘差；

45、泄漏判定模塊，用于將所述保真流體動力學異常殘差重構為高維相空間軌跡，構建時空演化龐加萊截面，輸入至卷積神經網絡，通過時空演化龐加萊截面上的吸引子形態差異，判定真實泄漏負壓波與傳感器隨機漂移。

46、與現有技術相比，本發明的有益效果是：

47、本發明通過采集目標管段的高頻壓力序列，基于玻爾茲曼疊加原理，將高頻壓力序列通過將環境溫度作為熱流變調節因子，轉化為全歷史應力-應變記憶場張量，構建神經滯后算子網絡，將所述全歷史應力-應變記憶場張量作為輸入，進行非局部記憶特性與遲滯回線分析，得到管材本征非線性滯后響應信號，將高頻壓力序列與所述管材本征非線性滯后響應信號進行逐點差分處理，剝離非平穩背景波動，規避材料非線性對流體信號的調制干擾，提取保真流體動力學異常殘差，通過構建基于玻爾茲曼疊加原理的全歷史應力-應變記憶場張量，并結合神經滯后算子網絡進行非局部記憶特性分析，有效解決了高分子管材因粘彈性流變導致的幽靈式誤報難題。與傳統忽略管材物理屬性的檢測方法不同，本發明能夠精準擬合管材在復雜壓力歷史下的本征非線性滯后響應信號，從物理層面量化并剝離由管壁蠕變恢復或應力松弛所誘發的非平穩背景波動。本發明能夠規避材料非線性對流體信號的調制干擾，確保在夜間穩態窗口期捕捉到的異常信號是源于流體動力學的真實突變，而非管材自身釋放的應力記憶，從而在根本上消除因材料流變特性引起的周期性虛假報警。

48、本發明通過將所述保真流體動力學異常殘差重構為高維相空間軌跡，構建時空演化龐加萊截面，輸入至卷積神經網絡，通過時空演化龐加萊截面上的吸引子形態差異，判定真實泄漏負壓波與傳感器隨機漂移，通過滯后-熵共軛特征映射空間與時空演化龐加萊截面分析技術，實現了對微弱泄漏信號的深層矢量化解耦與拓撲形態識別。通過在特征空間執行正交子空間分解，本發明能夠將混合信號精確拆分為材料記憶分量與流體擾動分量，并利用卷積神經網絡識別龐加萊截面上的吸引子形態差異，如穩態吸引子與混沌發散的奇異吸引子。這種基于非線性動力學拓撲結構的判定邏輯，突破了傳統時域幅值或頻域能量閾值的局限，能夠靈敏區分真實泄漏引發的負壓波與傳感器隨機漂移產生的噪聲，在極低信噪比環境下實現了對保真流體動力學異常殘差的可靠提取與定性。